**情境**:Eric是ABC食品公司新上工之供應鏈專員，ABC為一間食品供應商，透過代理商，供應不同產品給不同客戶。Eric需在下周之每月報告前，幫經理整理好各產品之銷售狀況，包括銷售額、銷售量、單價等資訊，或是在不同供應商或客戶間之分布。
    由於Eric還不完全熟悉公司業務裝況，因此他必須檢視過去一個月之產品銷售紀錄，彙整出他的發現，也要提出在資料中發現可能之問題，更要選用好的呈現方式和同事、主管們討論這些議題。
    此外，Eric更希望自己能站在經理角度，設計出日後能重複使用之資訊圖表。

資料輸入與前處理

  • 讀取資料和需要之library
#資料清理與視覺化之套件
#ex:dplyr-整理資料、轉換資料, ggplot2-視覺化
library(tidyverse)
## -- Attaching packages ---------- tidyverse 1.2.1 --
## √ ggplot2 3.2.0     √ purrr   0.3.2
## √ tibble  2.1.3     √ dplyr   0.8.3
## √ tidyr   0.8.3     √ stringr 1.4.0
## √ readr   1.3.1     √ forcats 0.4.0
## -- Conflicts ------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
#繪圖之套件
library(knitr)
#讀出型態為tibble
SalesTable <- read_csv('SalesTable.csv')
## Parsed with column specification:
## cols(
##   Agency = col_double(),
##   Product_ID = col_double(),
##   Client_ID = col_double(),
##   Sales_Amount = col_double(),
##   Sales = col_double()
## )
#讀出型態為tibble
ClientTable <- read_csv('ClientTable.csv')
## Parsed with column specification:
## cols(
##   Client_ID = col_double(),
##   Client_Name = col_character()
## )
#讀出型態為tibble
ProductTable <- read_csv('ProductTable.csv')
## Parsed with column specification:
## cols(
##   Product_ID = col_double(),
##   Product_Name = col_character()
## )
  • 合併資料集
SalesTableNew <- SalesTable %>%
#使用inner_join將ClientTable中的Client_ID與SalesTable合併
  inner_join(ClientTable, by = 'Client_ID') %>%
#再將ProductTable中的Product_ID與SalesTable
  inner_join(ProductTable, by = 'Product_ID')

kable(SalesTableNew[1:10,])
Agency Product_ID Client_ID Sales_Amount Sales Client_Name Product_Name
101 1004 2003 465 78971 CC D
101 1007 2003 182 23053 CC G
101 1008 2003 757 61897 CC H
101 1016 2003 714 69885 CC P
101 1017 2003 321 37015 CC Q
101 1018 2003 56 6141 CC R
101 1002 2003 541 54350 CC B
101 1004 2003 475 56077 CC D
101 1007 2003 222 40973 CC G
101 1008 2003 1868 208044 CC H
  • 查看資料結構
#可看出所有編號都被讀程numeric
str(SalesTable)
## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 2138 obs. of  5 variables:
##  $ Agency      : num  101 101 101 101 101 101 101 101 101 101 ...
##  $ Product_ID  : num  1004 1007 1008 1016 1017 ...
##  $ Client_ID   : num  2003 2003 2003 2003 2003 ...
##  $ Sales_Amount: num  465 182 757 714 321 ...
##  $ Sales       : num  78971 23053 61897 69885 37015 ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   Agency = col_double(),
##   ..   Product_ID = col_double(),
##   ..   Client_ID = col_double(),
##   ..   Sales_Amount = col_double(),
##   ..   Sales = col_double()
##   .. )
  • 轉換資料型態
#將所有Agency、Product_ID和Client_ID轉為factor類別，以利後續的分析
SalesTableNew$Agency <- as.factor(SalesTableNew$Agency)
SalesTableNew$Product_ID <- as.factor(SalesTableNew$Product_ID)
SalesTableNew$Client_ID <- as.factor(SalesTableNew$Client_ID)

EDA-提出問題並產出觀點

1.銷售量與價格之關係

  • 計算商品單價，並組成新表
#Unit_Price(單價) = Sales(銷售額) / Sales_Amount(銷售量)
SalesTablePrice <- SalesTableNew %>%
  mutate(Unit_Price = Sales / Sales_Amount)
  • 單價和銷售量之點圖

由圖可知，交易筆數在150元以下居多，難有超過500元以上之銷量。表示櫃公司的產品皆集中於價格較低之處，賣得較好的亦是低價產品。

→ 可討論為何無法讓高單價產品有較多之銷量？

ggplot(data = SalesTablePrice,
       aes(x = Unit_Price,
           y = Sales_Amount))+ #x軸為單價, y軸為銷售量
  geom_point(color = 'red',
             alpha = 0.5) + theme_bw() #alpha透明度,theme_bw()使背景空白
## Warning: Removed 7 rows containing missing values (geom_point).

2.不同客戶間的銷售模式有何差異

- 用boxplot(盒鬚圖)查看各個客戶銷售的分配情形

由圖可知，LL平均而言，每次銷售額最高；FF, GG和KK也高於其他廠商；但CC有幾次較高之銷售紀錄。

→ 可討論哪些客戶表現特別好，但變異特別大之原因。

ggplot(SalesTableNew)+geom_boxplot(aes(x=factor(Client_Name),
                                       y = Sales,
                                       colour = Client_Name))+ #以Client_Name去區分顏色
  labs(x = 'Client',
       title = 'Sales Distribution by Client') + theme_bw()

- 用bar chart(長條圖)看過去一個月的總銷售量
  • 製作新資料表，紀錄客戶總銷售

由圖可知，過去一個月公司之銷售，皆單價較低，但銷售次數多。

SalesTableSum <- SalesTableNew %>%
  group_by(Client_Name) %>% #以Client_Name
#使用summarise函數中之sum將sales加總，定義為名為Sales_Sum的新欄位
  summarise(Sales_Sum = sum(Sales)) %>%
  arrange(desc(Sales_Sum)) #將Sales_Sum以降冪排序

ggplot(data = SalesTableSum,
      aes(x = Client_Name,
          y = Sales_Sum,
          fill = Client_Name)) + #bar的填充以Client_Name去做顏色區分
  geom_bar(stat = 'identity') + #使資料與原先相同不做轉換

#定義x軸座標之限制，使其不要太寬或太窄  
  scale_x_discrete(limits = SalesTableSum$Client_Name) +
  
  labs(title = 'Total Sales by Client',
           x = 'Client',
           y = 'Sales in total',
       fill = 'Client_Name') + theme_bw()

- 用boxplot(盒鬚圖)看過去一個月每位客戶之單價分配

由圖可知，價格不要太高，才有高校量之結論。

ggplot(data = SalesTablePrice) + 
  geom_boxplot(aes(x = as.factor(Client_Name),
                   y = Unit_Price,
                   colour = Client_Name)) +
  
  labs(title = 'Unit_Price by Client',
           x = 'Client',
           y = 'Unit_Price in total',
       fill = 'Client_Name') + theme_bw()
## Warning: Removed 7 rows containing non-finite values (stat_boxplot).

3.不同產品之銷售模式

- 用boxplot(盒鬚圖)看出各個產品銷售的分配(distribution)

由圖可知，產品H銷售額最高，變異也最大。

ggplot(data = SalesTableNew) + 
  geom_boxplot(aes(x = Product_Name,
                   y = Sales,
                   colour = Product_Name)) +
  labs(x = 'Product',
       title = 'Sales Distribution by Product') + theme_bw()

- 用bar chart(長條圖)看出各出過去一個月的總銷售量

由圖可知，H平均銷量最高，BDPQR銷量不錯，ARFJN銷量較少。

SalesTableAmount <- SalesTableNew %>%
  group_by(Product_Name) %>%
  summarise(Amount_Sum = sum(Sales_Amount)) %>%
  arrange(desc(Amount_Sum))

ggplot(data = SalesTableAmount) + 
  geom_bar(aes(x = Product_Name,
               y = Amount_Sum,
               fill = Product_Name),
           stat = 'identity') +
  
  scale_x_discrete(limits = SalesTableAmount$Client_Name) +
  
  labs(title = 'Total Sales_Amount by Product',
           x = 'Product',
           y = 'Sales_Amount in total',
       fill = 'Product_Name') + theme_bw()
## Warning: Unknown or uninitialised column: 'Client_Name'.

4.合併一起看

由圖可知，前四個客戶佔了絕大部分銷售額，以CC賣最多，產品H銷量最好。

SalesTableClient <- SalesTableNew %>%
  group_by(Client_Name, Product_Name) %>% #用Client_Name和 Product_Name分組
  summarise(Sales = sum(Sales))

ggplot(data = SalesTableClient) +
  geom_bar( aes(x = Product_Name,
                y = Sales),
            stat = 'identity') +
  facet_wrap( ~ Client_Name) #依照Client_Name做分類

- 各經銷商之銷售模式

由圖可知，經銷商之總銷售過度集中。

SalesTableAgency <- SalesTableNew %>%
  group_by(Agency, Product_Name) %>%
  summarise(Sales = sum(Sales)) #Sales為各個分組之Sales加總

ggplot(data = SalesTableAgency) +
  geom_bar(aes(x = Product_Name,
               y = Sales),
           stat = 'identity') +
  facet_wrap( ~ Agency) #以Agency分類

VIZ-客戶與產品銷售資料轉換和呈現

1.客戶間產品銷售佔比

由圖可知，Stacked bar(堆疊長條圖)，如果各個factor中有太多levels，呈現之圖會非常混亂。

→ 理想作法為，重新審視情境。

Product <- SalesTableNew %>%
  group_by(Client_Name, Product_Name) %>%
  summarise(Sales = sum(Sales)) %>%
#新增一個名為Propor(=proportion,百分比)之變數，即「分組之總銷售佔多少百分比」
#其中，round取比例, 1取一個位數, 100轉成百分比。
  mutate(Propor = round(Sales / sum(Sales),1) * 100)


ggplot(data = Product) + 
  geom_bar(aes(x = Client_Name, 
               y = Sales,
               fill = Product_Name,
               label = paste(Propor,'%', sep='')), #paste貼上, sep=''無分隔
           stat = 'identity', alpha = 0.8) +
#上文字標籤
  geom_text(aes(x = Client_Name, 
                y = Sales,
                fill = Product_Name,
                label = paste(Propor,'%', sep='')),
#position調整標籤位於圖上之間具, size調整大小
            position = position_stack(vjust = 0.5),size = 2)+ theme_bw()
## Warning: Ignoring unknown aesthetics: label
## Warning: Ignoring unknown aesthetics: fill

  • 把多個客戶和多個產品擺在同張圖表呈現，目的是要能看清楚彼此之差異。 因此，將數值標準化後，在妥善利用形狀、空間和顏色，可得一張直觀卻又不會遺失太多資料之圖表，故使用geom_rect()作圖。
### 將原始數值轉換成圖表需要的極值和比例
Product <- SalesTableNew %>%
  group_by(Client_Name, Product_Name) %>%
  summarise(Sales = sum(Sales))

ClientProductTable <- Product %>%
#將長Table轉成寬Table，將Product_Name展開
  spread(key = Product_Name, 
         value = Sales) %>% #將Sales攤平
  data.frame()

Block <- function(ClientProductTable){
  
#創造名為x_Percentage之變數並存回原表格中
  ClientProductTable$x_Percentage <- c()
  
  ### X軸的比例
#使用`rowSums`告知x_percentage之值，為每個row之觀察值以欄加總除上整個table有sales之總和，得到各個x之比例(即各個樣本(客戶)之比例)
#-1不將第一欄的名稱列入計算
#na.rm = T不計
  for (i in 1:nrow(ClientProductTable)) {
    ClientProductTable$x_percentage[i] <- rowSums(ClientProductTable[i,-1], na.rm = T) / sum(rowSums(ClientProductTable[,-1], na.rm = T))
  }
#**終點**，x_percentage加總得知
  ClientProductTable$x_max <- cumsum(ClientProductTable$x_percentage)
#**起點**，起點=終點-比例
  ClientProductTable$x_min <- ClientProductTable$x_max - ClientProductTable$x_percentage
#有起點、終點後，x_percentage無利用價值，故轉為NA
  ClientProductTable$x_percentage <- NULL
  
  #Percentage <- ClientProductTable %>%
   # gather( key =  Product_Name,
    #        value = c('Client_Name', 'x_min', 'x_max'),
     #       -c( Client_Name, x_min, x_max))

#將起點、終點回歸到原本之樣子  
  Percentage <- ClientProductTable %>%
  gather( key =  Product_Name,
          value = Sales,
          -c(Client_Name, x_min,x_max))#A,B,C,D,F,G,H,J,K,L,N,O,P,Q,R)

#將NA以0取代，其餘為原樣  
  Percentage[,5] <- ifelse(Percentage[,5] %in% NA, 0, Percentage[,5])
#指定第五個欄位名稱為Sales
  colnames(Percentage)[5] <- 'Sales'
  
  ### Y軸的比例
  Percentage <- Percentage %>%
    group_by(Client_Name) %>%
#**終點**，累積Sales佔總Sales多少百分比，取round去掉小數點
    mutate(y_max = round(cumsum(Sales) / sum(Sales) * 100)) %>%
#**起點**，起點=(終點-原本銷售)佔總銷售多少百分比
    mutate(y_min = round((y_max - Sales/ sum(Sales) * 100)))

  
  ### 文字的位置
#將文字以比利填入正確位置上
  Percentage <- Percentage %>%
    mutate(x_text = x_min + (x_max - x_min)/2, 
          y_text = y_min + (y_max - y_min)/2)
  
  Percentage <- Percentage %>%
    group_by(Client_Name) %>%
    mutate(Proportion = round(Sales / sum(Sales),2) * 100)
  
    
  
  ### 作圖
  ggplot(Percentage, aes(ymin = y_min, ymax = y_max, #y的起點、終點
                      xmin = x_min, xmax = x_max, fill = Product_Name)) + #x的起點、終點
    geom_rect(colour = I("grey"), alpha = 0.9) + #colour邊界顏色
    
  geom_text(aes(x = x_text, y = y_text,
                label = ifelse( Client_Name %in% levels(factor(Client_Name))[1] & Proportion != 0, 
                                 paste(Product_Name," - ", Proportion, "%", sep = ""),
                                 ifelse(Proportion != 0, paste(Proportion,"%", sep = ""), paste(NULL)))), size = 2.5) + 
    geom_text(aes(x = x_text, y = 103,
                  label = paste(Client_Name)), size = 3) + 
    labs(title = 'Sales Distribution by Client & Product',
         x = 'Client',
         y = 'Product') + theme_bw()
}


Block(ClientProductTable)
## Warning: Removed 102 rows containing missing values (geom_text).

2.資料之取捨

  • 過多的資訊對於閱讀者而言並不是一件容易的事情，所以資訊圖表的設計者，在參考使用者的建議後，可以進一步篩選資訊。

由圖可知，我們依銷售額的大小，將客戶分為Big、Middle和Small，並分別作圖。

ClientMiddle <- Product %>%
  filter(Client_Name %in% 'BB' | Client_Name %in% 'DD' | Client_Name %in% 'HH')

ClientProductTable <- ClientMiddle %>%
  spread(key = Product_Name, 
         value = Sales) %>%
  data.frame()

Block(ClientProductTable)
## Warning: Removed 6 rows containing missing values (geom_text).

3.產品價格、銷售、銷量、毛利

  • 善用兩軸、形狀和顏色，能夠將這四個維度呈現在同一張圖表中，再搭配水平和鉛直線，切出四個象限之後，又能夠提供多一項資訊。
MarginTable <- read_csv('SalesTable_WithCost.csv')
## Parsed with column specification:
## cols(
##   Product_ID = col_double(),
##   Margin_Rate = col_double()
## )
#將Product_ID轉成factor
MarginTable$Product_ID <- MarginTable$Product_ID %>% as.factor()
#將Margin_Rate四捨五入到小數點第三位
MarginTable$Margin_Rate <- MarginTable$Margin_Rate %>% round(3)

#將MarginTable與SalesTableNew用Product_ID合併
SalesTableMargin <- SalesTableNew %>%
  inner_join(MarginTable, by = 'Product_ID')
## Warning: Column `Product_ID` joining factors with different levels,
## coercing to character vector
ProductSalesTable <- SalesTableMargin %>%
  group_by(Product_Name) %>%
  summarise(Sales = sum(Sales), #銷售=銷售加總
            Sales_Amount = sum(Sales_Amount), #銷量=銷量加總
            Margin_Rate = mean(Margin_Rate)) %>% #毛利率=每次毛利率取平均
  mutate(Price = Sales/Sales_Amount, #單價=銷售/銷量
         Margin_Group = ifelse(Margin_Rate > 0.7, 'Top',
                               ifelse( Margin_Rate >= 0.5 & Margin_Rate < 0.7, 'Normal', 'Bad'))) %>% #Margin_Group毛利分組
  arrange(desc(Sales))

###作圖
ggplot(data = ProductSalesTable,
       aes(x = Sales_Amount,
           y = Price,
           colour = Margin_Group)) + #顏色依毛利分組去劃分
  geom_point(alpha = 0.9) +
  geom_point(aes(size = Sales))+ #以Sales大小取決點之大小
  geom_text(aes(label = Product_Name), vjust = -3, size = 2, colour = 'black') + #vjust調整水平位置
  geom_vline(aes(xintercept = mean(Sales_Amount))) + #鉛直線，x截距=銷量之平均
  geom_hline(aes(yintercept = mean(Price))) +  #水平線，y截距=價格之平均
  
  labs(title = 'Price, Sales_Amount, Sales and Margin') + 
  
  theme_bw()

  • 使用plotly套件，建立互動式之視覺化圖片
#install.packages("plotly")
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
MarginPlot <- ggplot( data = ProductSalesTable,
        aes( x = Sales_Amount,
             y = Price,
             colour = Margin_Group)) + 
  geom_point(alpha = 0.9) +
  geom_point( aes(size = Sales)) + 
  geom_text( aes( label = Product_Name), vjust = -3, size = 2, colour = 'black') + 
  geom_vline( aes( xintercept = mean(Sales_Amount))) + 
  geom_hline( aes( yintercept = mean(Price))) + 
  labs( title = 'Price, Sales_Amount, Sales and Margin') + 
  
  theme_bw()

ggplotly(MarginPlot)